AI-કેન્દ્રિત નાણાંકીય કાર્ય રચવાથી મેં શું શીખ્યું

નાણાં વિભાગ હવે વાસ્તવિક સમયમાં કાર્ય કરે છે. મારા મતે તક ખાતા વધુ ઝડપથી બંધ કરવા કે અનુમાન વધુ વાર તાજું કરવા કરતાં ઘણી મોટી છે. તેનો અર્થ વ્યવસાય બદલાય તેમ તેને જોવો, અગ્રણીઓને વહેલા પગલાં લેવામાં મદદ કરવી અને આગળ શું થાય તેને આકાર આપવા નાણાંકીય ટીમોને વધુ સમય આપવો છે.

બે વર્ષ પહેલાં હું OpenAIમાં જોડાઈ ત્યારે અસાધારણ ઝડપે વિકસતી કંપનીને માત્ર એક નાની નાણાંકીય ટીમ સહાય કરતી હતી. અમારે આ કાર્યને મૂળથી ઊભું કરવું અને અમારી કામ કરવાની, નિર્ણય લેવાની તથા વ્યવસાયને સહાય કરવાની રીતના પાયામાં AIને સ્થાન આપવું જરૂરી હતું.

મને શરૂઆતની એક પરિચિત સ્થિતિ પણ દેખાઈ. ખાતા બંધ કરવા અને અનુમાન અપડેટ કરવામાં હજી પણ માહિતી શોધવી, શું બદલાયું તે સમજાવવું અને નિર્ણય માટે ઇનપુટ એકત્ર કરવા જેવું વારંવારનું હાથે કરાતું કામ સામેલ હતું. અમારી પાસે વિશ્વનાં સૌથી અદ્યતન AI સાધનો હતાં, છતાં અમે તેમની આસપાસ નાણાંકીય કાર્યને કેવી રીતે નવેસરથી ગોઠવવું તે શીખી રહ્યા હતા.

તેથી અમે બે સાહસિક લક્ષ્યો નક્કી કર્યાં: શૂન્ય-દિવસીય હિસાબી સમાપન અને સ્વચાલિત, સતત અપડેટ થતું અનુમાન.

શૂન્ય-દિવસીય હિસાબી સમાપનનો હેતુ અગ્રણીઓને કંપનીની નાણાંકીય સ્થિતિનું વાસ્તવિક સમયનું, મેળવણું કરાયેલું અને શોધી શકાય એવું દૃશ્ય આપવાનો છે. સતત અનુમાન આ પાયા પર રચાય છે અને વ્યવસાય કેવી રીતે બદલાઈ રહ્યો છે, આગળ શું થઈ શકે તથા કયા નિર્ણયો પરિણામ બદલી શકે તે દર્શાવે છે.

અમે હજી પણ બંને લક્ષ્યો તરફ આગળ વધી રહ્યા છીએ. આ કામે અમારી ટીમની કાર્યપદ્ધતિ પહેલેથી જ બદલી નાખી છે. તેનાથી અમે સ્થિર સ્પ્રેડશીટ, સહાયક દસ્તાવેજોની હાથે થતી શોધ અને પ્રસ્તુતિઓની મર્યાદાથી આગળ વધીને વ્યવસાયના સંપૂર્ણ સંદર્ભ અને ડેટા પર રચાયેલાં જીવંત સાધનો તરફ ગયા છીએ. તેનાથી નાણાંકીય વ્યાવસાયિકોને પોતાના કામ માટે જરૂરી સાધનો બનાવવાની અને પોતાની નિપુણતાનો વધુ વ્યાપક ઉપયોગ કરવાની ક્ષમતા પણ મળી છે.

મારા માટે AI-કેન્દ્રિત નાણાંકીય કાર્યનું સાચું વચન આ છે: એવી ટીમ, જે ઘટનાઓ બનતી હોય ત્યારે જ તેને સમજે, અગ્રણીઓને આગળના વિકલ્પો બતાવે અને પરિણામ હજી બદલી શકાય ત્યારે વ્યવસાયને પગલાં લેવા વધુ સમય આપે.

ત્યાં પહોંચવા માટે માત્ર નવી ટેક્નોલોજી અપનાવવી પૂરતી નથી. તે માટે મહત્ત્વના નિર્ણયોની આસપાસ કામને નવેસરથી ગોઠવવું, લોકોને પ્રયોગ માટે અવકાશ આપવો, દરેક કાર્યપ્રવાહમાં સ્પષ્ટ જવાબદારી જોડવી અને સ્પષ્ટ રોકાણ વળતર જાણવા AI દ્વારા પૂર્ણ થતા વિશ્વસનીય કામને માપવું જરૂરી છે.

અમારા અનુભવમાંથી મળેલા પાંચ વ્યવહારુ પાઠ અહીં આપ્યા છે, જે દરેક CFO લાગુ કરી શકે છે.

પહેલું પગલું વ્યાપક ઍક્સેસ આપવાનું હતું. લોકોને પોતાના કામના સંદર્ભમાં AI અજમાવવાની સ્વતંત્રતા જોઈએ. વાસ્તવિક સમસ્યાઓ પર સુવ્યવસ્થિત પ્રયોગ સાથે જોડાય ત્યારે પ્રવેશ સૌથી વધુ મૂલ્ય સર્જે છે.

અમે વેચાણ ઇજનેરોને નાણાંકીય હેકાથોનમાં સામેલ કર્યા અને ટીમને એવું કામ લાવવા કહ્યું, જેને તેઓ રૂપાંતરિત કરવા માંગતા હતા. તેનું એક પરિણામ IR-GPT હતું. તે અમારી રોકાણકાર સંબંધ ટીમ યોગ્ય તપાસના પ્રશ્નોના જવાબ આપવા જે મંજૂર સામગ્રી વાપરે છે તેના પર આધારિત જરૂરિયાત મુજબનું GPT છે. અમે ખરીદી અને કરવેરા સહિતના ક્ષેત્રો માટે જરૂરિયાત મુજબનાં GPT પણ બનાવવાનું શરૂ કર્યું.

હેકાથોને AIને અમૂર્ત ક્ષમતામાંથી કાર્યરત સાધનમાં ફેરવી દીધું. માત્ર એક દિવસમાં લોકો વારંવાર કરાતું કામ ઓળખી, તેનો ઉકેલ બનાવી, સહકર્મીઓ સાથે ચકાસી અને સુધારી શક્યા. ઉપયોગના કિસ્સા કામની સૌથી નજીકના લોકો પાસેથી આવ્યા, જ્યારે ટેક્નિકલ નિષ્ણાતોએ તેમને ઝડપથી આગળ વધવામાં મદદ કરી.

CFO માટે બોધ સરળ છે: નીચેથી ઉપર થતો પ્રયોગ અને ઉપરથી નીચે આવતી વ્યૂહરચના બંને જરૂરી છે. લોકોના હાથમાં સુરક્ષિત અને સક્ષમ AI આપો અને કામની સૌથી નજીકના લોકોને તેને વધુ સારી રીતે પૂર્ણ કરવાની રીતો શોધવા દો. સાથે સાથે, વ્યવસાય માટે સૌથી મહત્ત્વના ફેરફારો પર નેતૃત્વનું ધ્યાન અને સંસાધનો કેન્દ્રિત કરો. બંને મળે ત્યારે સાચી તક સર્જાય છે: અગ્રિમ મોરચાના વ્યવહારુ વિચારોને તમારી સૌથી મોટી પ્રાથમિકતાઓમાં લાગુ કરવી.

નાણાંકીય ટીમો નિર્ણય માટે જરૂરી ઇનપુટ એકત્ર કરવામાં પુષ્કળ ઊર્જા ખર્ચે છે. અનુમાનની સમીક્ષા માટે લોકોને નવીનતમ ડેટા શોધવો, સ્પ્રેડશીટનું મેળવણું કરવું, તફાવતો સમજાવવા, આલેખ બનાવવા, દસ્તાવેજો તૈયાર કરવા અને તેમને પ્રસ્તુતિમાં ફેરવવા પડી શકે. વિશ્લેષણ અંતે નિર્ણયકર્તા સુધી પહોંચે છે, પરંતુ ત્યાં સુધીમાં ટીમનો ઘણો સમય તેને એકત્ર કરવામાં વપરાઈ ચૂક્યો હોય છે.

AI કામના એકમને બદલે છે. નાણાંકીય અગ્રણીઓ સ્રોત ડેટાથી નિર્ણય સુધીનો સમગ્ર માર્ગ નવેસરથી ગોઠવી શકે છે.

હિસાબી સમાપનનો વિચાર કરો. દરેક CFO માસિક પ્રક્રિયા જાણે છે: વાસ્તવિક આંકડા એક સિસ્ટમમાં, ખરીદીના આદેશ બીજી સિસ્ટમમાં, ઉપાર્જિત ખર્ચ સ્પ્રેડશીટમાં અને તફાવતની સમજૂતી સંદેશાઓની શૃંખલામાં દટાયેલી હોય છે.

અમે એક અલગ કાર્ય મોડલ તરફ આગળ વધી રહ્યા છીએ. શૂન્ય-દિવસીય હિસાબી સમાપન પાછળનો હેતુ મંજૂર ખર્ચ યોજનાઓ, સામાન્ય ખાતાવહીના વાસ્તવિક આંકડા, ખરીદીના આદેશો, ઉપાર્જિત ખર્ચ અને વ્યવહારની વિગતોને સતત મેળવણું થતા દૃશ્યમાં જોડવાનો છે. દરેક તફાવતને તેની આધારભૂત પ્રવૃત્તિ સુધી શોધી શકાય છે. AI પ્રારંભિક સમજૂતી તૈયાર કરી શકે અને ધ્યાન માગતા અપવાદોને ચિહ્નિત કરી શકે. નાણાં વિભાગ આંકડાઓને માન્ય કરે છે, વિવેક વાપરે છે અને અંતિમ મંજૂરીની જવાબદારી લે છે.

હિસાબી સમાપન અદૃશ્ય થતું નથી. સમયગાળો પૂરો થયા પછી વ્યવસાયનું ચિત્ર ફરી રચવા માટેની દોડધામ અદૃશ્ય થવા લાગે છે.

મેળવણું કરાયેલો આ પાયો સતત અપડેટ થતા અનુમાનને બળ આપી શકે છે. અમારી ટીમ આંકડાકીય મોડલ, વેચાણની વાતચીત, ખાતા-સ્તરના પુરાવા, કાર્યકારી ડેટા અને નાણાંકીય વિવેકને એકસાથે લાવતા કાર્યપ્રવાહો બનાવી રહી છે.

અમે સ્પ્રેડશીટની મર્યાદાઓથી આગળ વધીને વધુ સંવાદાત્મક સાધનો તરફ જઈ રહ્યા છીએ, જે આંકડાકીય અનુમાન, સહાયક પુરાવા અને પરિદૃશ્યોને એક જીવંત દૃશ્યમાં લાવે છે. અગ્રણીઓ જોઈ શકે છે કે શું બદલાયું, શા માટે બદલાયું અને કયા નિર્ણયો પરિણામ બદલી શકે. જ્યારે કોઈ નવા ગ્રાહકની પ્રતિબદ્ધતા મૂળ આધારરેખામાં ન હોય, ત્યારે સિસ્ટમ સહાયક પુરાવા રજૂ કરી શકે અને સમાયોજનથી ત્રિમાસિક કે વાર્ષિક પરિણામ પર થતી અસર બતાવી શકે. નાણાં વિભાગ ધારણાઓ તપાસી શકે, પરિદૃશ્યોની સરખામણી કરી શકે અને મંજૂર અનુમાન અપડેટ કરવું કે નહીં તે નક્કી કરી શકે.

એ જ દૃશ્ય અગ્રણીઓને મૂડી ફાળવણીના વધુ સારા નિર્ણયો લેવામાં મદદ કરી શકે. નાણાંકીય ટીમ જોઈ શકે છે કે માર્કેટિંગ ખર્ચ ક્યાં વળતર આપે છે, ક્યાં પરિણામ ઘટી રહ્યું છે અને હવે પછીના રૂપિયાની પુનઃફાળવણીથી શું થઈ શકે.

સ્વચાલિત અનુમાન આપણું લક્ષ્ય છે. સતત તાજું થતું દૃશ્ય, વધુ ઝડપી પરિદૃશ્ય વિશ્લેષણ અને નાણાં વિભાગની સ્પષ્ટ માલિકી દ્વારા આપણે ત્યાં પહોંચીશું.

વ્યાપક બોધ એ છે કે પરિણામકારક નિર્ણયથી શરૂઆત કરીને પાછળની દિશામાં કામ કરવું. તેને સમર્થન આપવા જરૂરી ડેટા, સાધનો, મંજૂરીઓ અને હસ્તાંતરણોની રૂપરેખા બનાવો. પછી નક્કી કરો કે AI કયા ભાગોનું વિશ્લેષણ, સંકલન અથવા સમાપન કરી શકે. આનાથી સમગ્ર નિર્ણયચક્રની ઝડપ અને ગુણવત્તા સુધરે છે.

મોટું રૂપાંતરણ એ છે કે નાણાંકીય વ્યાવસાયિકો હવે પોતાના કામ માટે જરૂરી સાધનો જાતે બનાવી શકે છે.

તાજેતરનું OpenAI સંશોધન દર્શાવે છે કે નાણાંકીય વ્યાવસાયિકો દ્વારા AIના વિશિષ્ટ ઉપયોગમાંથી 40% કામ પરંપરાગત નાણાં ક્ષેત્રની બહારનું છે અને 22% કામ ઇજનેરી સંબંધિત છે.

મારી ટીમના દરેક સભ્ય ChatGPT કામ અને Codex વડે જરૂરિયાત મુજબનાં AI ડેશબોર્ડ અને સાધનો બનાવી રહ્યા છે. કામ સ્થિર Excel મોડલ અને PowerPoint પ્રેઝન્ટેશન આગળ વધીને વ્યવસાયના સંપૂર્ણ સંદર્ભ અને ડેટા પર આધારિત જીવંત ડેશબોર્ડ તરફ જઈ રહ્યું છે. આ સાધનો વિશ્લેષણને આગળ વધારી શકે, અનુગામી પ્રશ્નોના જવાબ આપી શકે અને આધારભૂત માહિતી બદલાય તેમ અપડેટ થઈ શકે.

અમારા જાહેરાત વ્યવસાયને સહાય કરતો ટીમનો એક સભ્ય અગાઉ ક્યારેય પ્રોગ્રામિંગ કરતો નહોતો. તેણે Codex વડે અમારા માસિક જાહેરાત અનુમાનને સાપ્તાહિક અને દૈનિક યોજનાઓમાં ફેરવતું સાધન બનાવ્યું. તે અઠવાડિયાના કામકાજના દિવસો અને રજાઓને ધ્યાનમાં લે છે, અનુમાનોની સરખામણી કરે છે અને દરેક આંકડાને મંજૂર મોડલ સાથે જોડેલો રાખે છે. માર્કેટિંગ અગ્રણીઓ ઝડપથી જોઈ શકે છે કે શું બદલાયું, ક્યાં રોકાણ કરવું અને વધારાના ખર્ચથી કેટલું વળતર મળી શકે.

સમસ્યાને સમજતા લોકો હવે ઉકેલને આકાર આપી શકે છે. આ સાધનો બનાવવાથી તેઓ કામ કરવાની પરંપરાગત રીત પર ફરી વિચારવા પણ પ્રેરાય છે. નાણાંકીય વ્યાવસાયિક વ્યવસાયને જરૂરી નિર્ણયકારી માળખું બનાવી શકે, સહકર્મીઓ સાથે તેનું પરીક્ષણ કરી શકે અને કામ વિકસે તેમ તેમાં સુધારો કરી શકે.

નાણાંકીય ટીમોની વિશેષજ્ઞતા ઘટી રહી નથી. તેઓ પોતાની નિપુણતાનો વધુ વ્યાપક ઉપયોગ કરવાની ક્ષમતા મેળવી રહ્યા છે.

IR-GPTએ અમને નિયંત્રણ વિશે એક મહત્ત્વનો પાઠ શીખવ્યો. રોકાણકારના યોગ્ય તપાસ સંબંધિત પ્રશ્નો માટે વિશ્લેષકે અગાઉની સામગ્રી શોધવી, જવાબનો મુસદ્દો તૈયાર કરવો, સુસંગતતા તપાસવી અને સમીક્ષાનું સંકલન કરવું પડી શકે. મંજૂર સ્રોતો પર આધારિત જરૂરિયાત મુજબના GPT વડે અગાઉ કલાકો લેતું અને ક્યારેક આખી રાત ચાલતું કામ હવે થોડી જ ક્ષણોમાં મજબૂત પહેલો મુસદ્દો આપી શકે છે.

માનવીની ભૂમિકા હજી પણ કેન્દ્રસ્થાને છે. અમારી રોકાણકાર સંબંધ ટીમ મુસદ્દો વાંચે છે, વિવેક અને સંદર્ભ ઉમેરે છે અને જુદા જુદા રોકાણકારોને આપેલા અમારા જવાબો સુસંગત રહે તેની ચકાસણી કરે છે. AI કામને વેગ આપે છે. પરિણામની જવાબદારી લોકોની છે.

નાણાં વિભાગ માટે આ જ યોગ્ય મોડલ છે. CFOએ ઇન્ફોર્મેશન ટેકનોલોજી અને શાસન ટીમો સાથે મળીને નક્કી કરવું જોઈએ કે AI સિસ્ટમ કયો ડેટા મેળવી શકે, કઈ કાર્યવાહી કરી શકે, ક્યારે મંજૂરી જરૂરી છે અને ક્યારે મુદ્દો ઉચ્ચ સ્તરે મોકલવો જોઈએ. દરેક પરિણામ વિશ્વસનીય સ્રોત સાથે જોડાયેલું હોવું જોઈએ. દરેક અનુમાન સાથે સ્પષ્ટ સમજૂતી હોવી જોઈએ. મંજૂર આધારરેખામાં દરેક ફેરફાર માટે નાણાં વિભાગની મંજૂરી જરૂરી હોવી જોઈએ.

“ટોકનનો મહત્તમ વપરાશ” કરવાનો ટૂંકા ગાળાનો જુવાળ હવે સમાપ્ત થઈ ગયો છે. હવે વપરાશ મર્યાદા, અંદાજપત્ર નિયંત્રણો, ભૂમિકા-આધારિત ઍક્સેસ, મોડલ-માર્ગનિર્ધારણના નિયમો અને મંજૂરીની સીમાઓ નક્કી કરવી સરળ છે. CFO ટીમોને નિર્માણ અને પ્રયોગ માટે અવકાશ આપતાં આપતાં કોઈપણ પરિવર્તનશીલ ખર્ચ જેવી જ શિસ્તથી AIનો વપરાશ સંભાળી શકે છે.

સ્પષ્ટ જવાબદારી વધુ ઝડપથી આગળ વધવા માટે જરૂરી વિશ્વાસ પેદા કરે છે. સારાંશ તૈયાર કરવાની, મેળવણું કરવાની અને પૂર્વતૈયારીની પ્રક્રિયા ઝડપી બનતાં નાણાંકીય વ્યાવસાયિકોને ધારણાઓને પડકારવા, વ્યવસાયને સલાહ આપવા અને વિવેક વાપરવા વધુ સમય મળે છે.

CFOને કાર્યકારી પ્રદર્શન પર આધારિત AIનું સ્કોરકાર્ડ જોઈએ. વધુ વપરાશકર્તા લાઇસન્સ ખરીદવાથી કે વધુ ટોકન વાપરવાથી ખાસ કંઈ જાણવા મળતું નથી. મહત્ત્વનું એ છે કે કામ સારી રીતે થાય છે કે નહીં અને ખરેખર તેનો ખર્ચ કેટલો થાય છે.

દરેક કાર્યપ્રવાહ માટે ચાર પ્રશ્નો પૂછો:

• શું AIએ મહત્ત્વનું કામ પૂર્ણ કર્યું?
• કર્મચારીઓનો સમય, સમીક્ષા અને ફરી કરવું પડેલું કામ સહિત તેનો ખર્ચ કેટલો થયો?
• શું પરિણામ ઉપયોગ કરવા જેટલું સારું હતું?
• શું તેનાથી અમને વધુ ઝડપથી આગળ વધવામાં કે વધુ સારો નિર્ણય લેવામાં મદદ મળી?

નાણાંકીય ટીમ માટે ઉપયોગી કામ એટલે અનુમાન અપડેટ કરવું, તફાવત સમજાવવો, ઑડિટની વિનંતી પૂર્ણ કરવી અથવા બોર્ડના પ્રશ્નનો જવાબ આપવો હોઈ શકે. હિસાબી સમાપન માટે સ્કોરકાર્ડમાં ચક્રનો સમય, આપમેળે મેળવણું કરાયેલા વ્યવહારોનો હિસ્સો, સમીક્ષા માગતા અપવાદોની સંખ્યા અને તફાવત સમજાવવા લાગતો સમય સામેલ હોઈ શકે. અનુમાન માટે તેમાં અનુમાનની ચોકસાઈ, અપડેટની આવર્તનતા, નવું પરિદૃશ્ય તૈયાર કરવાનો સમય અને અનુમાનથી સમર્થિત નિર્ણયોની ગુણવત્તા સામેલ હોઈ શકે.

સૌથી સસ્તું મોડલ હંમેશાં સૌથી કરકસરયુક્ત હોતું નથી. વધુ સારું મોડલ ઓછા પ્રયાસો અને ઓછી સમીક્ષાથી વિશ્વસનીય જવાબ આપે, તો એકંદરે તેનો ખર્ચ ઓછો હોઈ શકે.

નાણાં વિભાગ વ્યૂહરચના, મૂડી, ડેટા, જોખમ અને પ્રદર્શનના કેન્દ્રમાં છે. તેથી CFOને કંપની કેવી રીતે કાર્ય કરે છે તેનો અનોખો દૃષ્ટિકોણ અને તેના AI રૂપાંતરણનું નેતૃત્વ કરવાનો મજબૂત અધિકાર મળે છે.

AI-કેન્દ્રિત નાણાંકીય કાર્યની ઓળખ વધુ ઝડપી ચક્રો, મજબૂત નિયંત્રણો, વધુ સારા નિર્ણયો અને વિવેક વાપરવા માટે વધુ સમયથી થાય છે. આ માર્ગ અર્થપૂર્ણ કાર્યપ્રવાહથી શરૂ થઈ પુરાવાના આધારે વિસ્તરે છે: લોકોને સાધનો આપો, કામને નવેસરથી ગોઠવવામાં મદદ કરો, જવાબદારી સ્પષ્ટ રાખો અને પરિણામ માપો.

શૂન્ય-દિવસીય હિસાબી સમાપન અને સતત અનુમાન એક વિશાળ મહત્ત્વાકાંક્ષા દર્શાવે છે: એવી નાણાંકીય ટીમ, જે ઘટનાઓ બનતી હોય ત્યારે જ તેને સમજે, અગ્રણીઓને આગળ શું થઈ શકે તે બતાવે અને કંપનીને વહેલા વધુ સારા નિર્ણયો લેવામાં મદદ કરે.

પરિણામે નાણાંકીય ટીમની ક્ષમતા વધે છે અને CFOને વ્યવસાયનું વધુ સ્પષ્ટ ચિત્ર મળે છે. આ સમગ્ર કંપની ઇન્ટેલિજન્સને ટકાઉ મૂલ્યમાં કેવી રીતે ફેરવી શકે તે માટેનું કાર્યરત મોડલ પણ બનાવે છે. હું હંમેશાં કહું છું તેમ, જે દેખાતું નથી તે બનાવી શકાતું નથી. જો આપણે ઇચ્છીએ કે આપણી નાણાંકીય ટીમો AIની સંભાવનાઓ સ્વીકારે, તો તે વ્યવહારમાં કેવું દેખાય છે એ તેમને બતાવવું પડશે. અને CFO તરીકે તેની શરૂઆત આપણાથી થાય છે.

મારી નાણાંકીય ટીમે વ્યવહારમાં આ કેવું દેખાય છે તે જણાવ્યું છે. તમે તે રેકોર્ડિંગ અહીં જોઈ શકો છો⁠(નવી વિન્ડોમાં ખૂલે છે).